多模态强化学习基础设施工程师
岗位摘要
搭建与优化强化学习训练框架，支持多模态大模型后训练，包括SFT、DPO、GRPO等算法的开发与性能调优；优化强化学习训练的资源调度、通信模式与计算-通信重叠，降低显存占用与训练耗时，提升端到端训练吞吐
岗位职责
- 搭建与优化强化学习训练框架，支持多模态大模型后训练，包括SFT、DPO、GRPO等算法的开发与性能调优
- 优化强化学习训练的资源调度、通信模式与计算-通信重叠，降低显存占用与训练耗时，提升端到端训练吞吐
- 建立训练监控与容错机制，解决大规模强化学习训练中常见的训推不一致、奖励作弊、损失震荡等问题
- 支持图文理解模型与全模态模型（MiniCPM-V/o）的强化学习后训练，解决视觉/音频模态与文本模态在训练中的效率与对齐问题
- 协助算法团队搭建数据流水线、评测链路和模型迭代闭环，提升整体研发效率
任职要求
- 本科及以上学历，了解常见强化学习算法的原理、实现方式及优化策略
- 具备搭建、优化和维护强化学习训练基础设施的经验
- 熟悉集群资源管理、监控与CI/CD等基础设施体系，能保障训练平台稳定性
- 熟悉至少一种主流RLHF框架，如OpenRLHF、VeRL、ChatLearn等
- 了解分布式训练基本原理，熟悉通信库的相关工作原理
- 具备良好的沟通合作能力、快速学习与应用新技术的能力，以及基本的英文文献阅读能力
加分项
- 熟悉模型部署和推理优化
- 了解云平台部署和容器化技术
福利待遇
- 加分项：有强化学习项目实施经验
- 加分项：熟悉模型部署和推理优化
- 加分项：了解云平台部署和容器化技术